Redisson 3.46.0版本发布:可靠队列与分布式锁增强
项目简介
Redisson是一个基于Redis的Java驻留内存数据网格(In-Memory Data Grid)和分布式服务框架,它为Java开发者提供了丰富的分布式对象和服务,简化了在分布式环境下的编程工作。Redisson通过封装Redis的复杂操作,提供了易用的API,支持分布式锁、集合、队列、原子操作等多种功能。
版本亮点
新增可靠队列功能
3.46.0版本引入了全新的RReliableQueue(可靠队列)对象,这是一个重要的功能增强。可靠队列解决了传统Redis队列在极端情况下可能丢失消息的问题,通过持久化机制确保消息不会丢失。这一特性特别适合对消息可靠性要求高的场景,如金融交易、订单处理等关键业务。
值得注意的是,随着可靠队列的引入,RDelayedQueue和RBoundedBlockingQueue已被标记为废弃状态,开发者应考虑迁移到新的可靠队列实现。
分布式锁功能增强
新版本对分布式锁功能进行了多项改进:
-
新增
fairLockWaitTimeout配置项,允许设置公平锁的等待超时时间,这对于需要严格控制资源访问顺序的场景非常有用。 -
改进了看门狗机制(Watchdog),修复了可重入锁(reentry locks)下的续期问题,确保锁在长时间操作中不会意外释放。
-
新增
credentialsReapplyInterval配置,可以设置凭证重新应用的间隔时间,增强了连接安全性。
序列化支持扩展
Kryo5Codec现在支持JDK原子对象的序列化,这使得在分布式环境中使用Java原子类(如AtomicInteger、AtomicLong等)更加方便。
重要变更与改进
默认行为调整
useScriptCache配置项现在默认为true,这意味着Redisson会自动缓存Lua脚本以提高性能,减少网络开销。
性能与稳定性优化
-
修复了
RBatch批量操作中异常处理的问题,现在异常对象会正确包含所有被抑制的异常。 -
解决了
RKeys.unlinkByPattern()和RKeys.deleteByPattern()方法处理非ASCII字符键名的问题。 -
修复了
RenewalTask可能抛出IndexOutOfBoundsException的问题。 -
改进了
CommandAsyncService.syncedEval()方法对备用节点的更新逻辑。
特定框架集成改进
对于使用Micronaut框架的开发者,修复了异步缓存中expire-after-write和expire-after-access设置不生效的问题。
开发者注意事项
-
不兼容变更:Spring Cloud Stream Binder的队列实现已替换为
RReliableQueue,相关应用需要评估影响。 -
API变更:
RedisPubSubConnection的removeListener()和addListener()方法签名发生了变化,需要检查相关代码。 -
废弃提醒:
RDelayedQueue和RBoundedBlockingQueue已被标记为废弃,建议规划迁移到新的可靠队列实现。
总结
Redisson 3.46.0版本通过引入可靠队列、增强分布式锁功能以及多项稳定性改进,进一步提升了其在分布式系统开发中的实用性和可靠性。这些改进使得Redisson在处理高并发、分布式事务等场景时更加稳健,为开发者提供了更强大的工具来构建分布式应用。建议现有用户评估升级,特别是那些对消息可靠性要求高的应用场景。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00